AIの危険性の認識とModel Refusalという手法

【 Interlude -- AIと人間の関係を考える 】

これまで、ChatGPTの成功に至るまでの大規模言語モデルの成立とその発展を、主要には技術的な関心から振り返ってきました。それは過去の歴史の話です。

後半では「マルチモーダル化」と「カスタム化」という二つのトピックスにフォーカスして、ChatGPTがどのように変わっていくのかということを考えたいのですが、そこでも具体的には技術的な話が中心になります。それはAI技術の現在の話になるでしょう。

AIの未来を考えようとすると、それを単なる技術予測として語るのは適切なものではないと思います。AI技術が人間と社会の未来に大きな影響を与えるだろうと考えるならなおさらのことです。それは技術だけの問題ではないからです。

興味深いのは、技術の側から見ても「単なる技術」というくくりはAIの「技術的予測」にとっても狭いものかもしれないと思えることです。

もしも、ChatGPTの成功の要因のひとつが、「人間のフィードバックからの強化学習」という「技術」の採用にあるのなら、それは、現在のAI技術は人間の介在を必要としていると考えることもできるはずです。そして、それは正しい認識だと僕は考えています。


【 AIの安全性をめぐって -- OpenAI の隠れた優位性 】

AIの安全性をめぐる議論は、まさに、AIと人間の接点の問題です。

この問題は、AI技術が社会的に受け入れられ、AIビジネスが経済的に成功するためにも、今以上に重要な課題になっていくと思います。AI開発の競争の焦点は、言語モデルの規模の大きさから、AIシステムの安全性に移っていくと思います。

AIの安全性をめぐる議論は、AIの危険性をめぐる議論に他なりません。 AIを安全なものにするためには、その危険性を知らないといけないはずです。

OpenAIについて、我々はその技術的優位性に目が行きがちなのですが、これらのAIを安全なものにする取り組みで、OpenAIが、圧倒的に進んでいることは注目に値します。


【 OpenAIの安全性への取り組み 】

OpenAIは、訓練用データから性的コンテンツを人手で除去し、不適切な回答を人間がチェックする安全に関連するRLHFトレーニングプロンプトの見直しを進めています。

また、社外の多数の専門家とも連携して、危険性の徹底的な洗い出しを行なっています。"GPT-4 System Card" というドキュメントは、そうした検討の集大成です。

さらに、Red TeamというOpenAIのAIシステムを「攻撃」するチームを結成して、問題の洗い出しを不断に継続しています。

文字通り、「人間のフィードバック」によるAIシステムの改善に、人手と時間をかけて取り組んでいます。皮肉なことかもしれないですが、AIの危険性を誰よりも良く知っているのは、OpenAI自身です。



【 OpenAIの安全性確保の中心的手法 Model Refusal 】

OpenAIの安全性対策で特筆すべきは、こうした時間とコストがかかる人間による作業と並行して、よりきめ細かいレベルでモデルを適切な動作に導くために、モデル自身をツールとしてコンテンツのチェックの自動化を進めていることです。それを、 rule-based reward models (RBRMs) といいます。基本的には、有害なコンテンツの生成を拒否するのに利用されています。

正確にいうと、外からは、モデルが有害コンテンツの生成を止めたように見えるかもしれませんが、実際に行われているのは、モデルが生成した有害なコンテンツを、モデルと人間の中間にあるシステムが受け取りを拒否して、人間に渡さないようにするのです。いわば、モデルが有害なコンテンツを生み出すという問題には手をつけず、それが表には出てこないように蓋をするということです。これをModel Refusal と言います。OpenAIの安全性確保の中心的手法です。

あるいはこうした方法しかないのかもしれません。あるいは、それはAIの問題は機械的に解決するのが、経済的には一番合理的だという考えの現れかもしれません。

先に見たGPT-4 System Cardの「結論」部分は、こうしたアプローチに対する楽観的とも悲観的とも取れる「両儀的」なものに、僕は感じました。

「実際、これらのシステムをどのように統治するのが最善か、それらが生み出す利益をどのように公平に分配するか、アクセスをどのように公平に共有するか、に取り組むための先行予測研究がない限り、AIシステムがそうすることを期待すべきだろう。」

本当でしょうか？

こうした曖昧さは、このGPT-4 System Cardという重要な文書の公開の仕方自体にも表れていました。この文書は、なぜか独立の文書としては公開されなかったのです。

--------------------------------


ショートムービー「 AIの危険性の認識とModel Refusalという手法 」を公開しました。
https://youtu.be/xjeGFV31j4k?list=PLQIrJ0f9gMcNtKtfdBjlaXfsG8hWl3cQm

「 AIの危険性の認識とModel Refusalという手法 」のpdf資料
https://drive.google.com/file/d/1azJ1m0YtCfiDUYK7baMYQXwPXoIXwF6Y/view?usp=sharing

blog 「 Interlude -- AIと人間の関係を考える 」
https://maruyama097.blogspot.com/2023/11/aimodel-refusal.html

ショートムービーの再生リスト
https://www.youtube.com/playlist?list=PLQIrJ0f9gMcNtKtfdBjlaXfsG8hWl3cQm

角川セミナー 「ChatGPTはどう変わろうとしているのか」まとめページ
https://www.marulabo.net/docs/kadokawa1124/

角川セミナー 「ChatGPTはどう変わろうとしているのか」申し込みページ


コメント

コメントを投稿

このブログの人気の投稿

マルレク・ネット「エントロピーと情報理論」公開しました。

イメージ
前回の秋葉原でのマルレクのネット配信が始まりました。 https://crash.academy/class/156 タイトルを「エントロピーと情報理論 -- 量子情報理論入門 -- 」に変更しました。最初の30分は、無料です。 次回のマルレク「量子コンピュータとは何か？」の導入となるコンテンツです。 講演資料は、こちらです。 https://goo.gl/CKayix  あわせて、ご利用ください。 　　　--------------------------------- 　　　マルレク・ネット　ビデオ・コンテンツ　 　　　--------------------------------- 　「エントロピーと情報理論」 　　　　 https://crash.academy/class/156 　「人工知能の歴史を振り返る」 　　　　 https://crash.academy/class/139/ 　「ニューラル・コンピューターとは何か？」 　　　　 https://crash.academy/class/101/ 　「Google ニューラル機械翻訳」 　　　　 https://crash.academy/class/76/ 　「RNNとLSTMの基礎」 　　　　 https://crash.academy/class/66/
続きを読む

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション
続きを読む

人間は、善と悪との重ね合わせというモデルの失敗について

人間は善と悪との「重ね合わせ」だという前回の話は、人間の本性の複雑さを語るのには、ありうる喩えなのかもしれないが、量子の「重ね合わせ」の喩えとしては、実は、二つの点で失敗しているのだ。 一つには、複雑な善と悪との重ね合わせから情報を引き出す「簡単・粗野」な方法として、善か悪かの判断のみを下す「善悪測定器」を、便宜的に導入したのだが、これがマズイ。 複雑な量子の状態を「測定」した時に、我々は、その状態を複雑なまま見いだすことは出来ないのだ。量子が、善と悪との状態の重ね合わせだとしたら、測定によって我々が見いだすのは、必ず、善か悪か、どちらかの状態の量子を見いだす。 もしも、量子が、善悪二つの状態の重ね合わせではなく、もっと沢山の状態（例えば、100個の状態）の重ね合わせの場合でも、我々が「測定」で得られるのは、その中の、たった一つの状態である。 だから、量子の世界では、善か悪かの判断のみを下す「善悪測定器」は、決して「便宜的」なものではなく、これ以外の測定はできないという意味で、「原理的」な制約を表現しているのである。そのことが、先の喩えでは、うまく表現されていない。 量子の不思議さを、「重ね合わせ」の状態が不思議だと思っている人も多いのだが、それは違うと思う。 善と悪との重ね合わせの前回の例もそうだし、波だって、フーリエ変換だって、我々の日常に、たくさん「重ね合わせ」の現象は存在する。それは、ちっとも不思議なことではないし、表象するのも簡単である。 不思議なのは、「重ね合わせ」ではなく、量子に対する「測定」の方なのだ。それは、我々が「測定」に対してもつイメージとは、かけ離れている。量子力学の基礎の部分を構成しているのは、この不思議な「測定」の形式化・数式化なのである。（そして、それは、難しいものではない。今度の「紙と鉛筆」の演習に来て。） 二つ目の失敗も、実は、「測定」の扱いに関係している。 先の例では、丸山は、1,000回ほど「善悪測定器」にかけられ、その結果で、70% 悪人で、30% 善人 だと判定されるみたいな話をした。それが違うのである。 我々が「測定」で得られるのは、「重ね合わせ」を構成する複数の状態の中のたった一つの状態であると書いたのだが、それだけではないのだ。「測定」によって、量子の状態は、「測定」された一
続きを読む